基于数据驱动的建模方法仿真研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-16页 |
| ·数学模型概述 | 第10-11页 |
| ·建立模型的常用方法 | 第11-14页 |
| ·机理分析建模方法 | 第11页 |
| ·统计建模方法 | 第11-13页 |
| ·混合建模方法 | 第13-14页 |
| ·本文的主要工作 | 第14-16页 |
| 第2章 研究对象简介 | 第16-24页 |
| ·概述 | 第16页 |
| ·对象一：连续式加热炉 | 第16-19页 |
| ·加热炉的发展 | 第17-18页 |
| ·步进式加热炉工艺 | 第18-19页 |
| ·对象二：田纳西-伊斯曼过程 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于BP神经网络的仿真研究 | 第24-38页 |
| ·神经网络基本理论 | 第24-27页 |
| ·人工神经网络的结构 | 第24-26页 |
| ·人工神经网络的特点 | 第26-27页 |
| ·BP神经网络 | 第27-31页 |
| ·BP神经网络学习算法 | 第27-30页 |
| ·BP神经网络算法的计算步骤 | 第30-31页 |
| ·基于BP神经网络的仿真研究 | 第31-37页 |
| ·研究对象一：加热炉 | 第31-34页 |
| ·研究对象二：TE过程 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于支持向量机原理的仿真研究 | 第38-54页 |
| ·统计学习理论 | 第38-41页 |
| ·VC维的概念 | 第39页 |
| ·推广性的界 | 第39-40页 |
| ·结构风险最小化 | 第40-41页 |
| ·支持向量机的基本原理 | 第41-46页 |
| ·最优超平面 | 第41-42页 |
| ·线性支持向量机 | 第42-44页 |
| ·核函数相关概念 | 第44-45页 |
| ·非线性支持向量机 | 第45-46页 |
| ·支持向量机回归 | 第46-48页 |
| ·最小二乘支持向量机 | 第48-50页 |
| ·基于LSSSVM的仿真研究 | 第50-53页 |
| ·研究对象一：加热炉 | 第51-52页 |
| ·研究对象二：TE过程 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于KICA-LSSVM方法的仿真研究 | 第54-66页 |
| ·独立成分分析方法的基本原理 | 第54-57页 |
| ·熵 | 第55-56页 |
| ·微分熵 | 第56页 |
| ·负熵 | 第56页 |
| ·互信息 | 第56-57页 |
| ·ICA算法 | 第57-60页 |
| ·信息极大化法 | 第57-58页 |
| ·极大似然估计法 | 第58-59页 |
| ·ICA中的信号预处理 | 第59-60页 |
| ·核独立分量分析算法的基本原理 | 第60-63页 |
| ·核ICA的优化目标函数 | 第60-62页 |
| ·核ICA算法流程 | 第62-63页 |
| ·基于KICA-LSSVM方法的仿真研究 | 第63-65页 |
| ·研究对象一：加热炉 | 第63-64页 |
| ·研究对象二：TE过程 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 结果分析与比较 | 第66-70页 |
| ·加热炉仿真研究结果比较分析 | 第66页 |
| ·TE过程仿真研究结果比较分析 | 第66-67页 |
| ·本章小结 | 第67-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
